GridSearchCV中grid.score()与grid.best_score_的区别及取值疑问

数据老陈

2026-10-5

GridSearchCV中best_score_与score()方法返回值的差异说明

核心定义区别

grid.best_score_：是交叉验证过程中，最优参数对应的3折验证得分的平均值。计算这个值用到的数据集是你传入GridSearchCV的X_train2, y_train2，由GridSearchCV内部做3折拆分得到的验证集，全程没有接触过你单独拆分的X_valid数据集，这个值是整个param_grid搜索范围内，所有参数组合里交叉验证得分最高的结果，和grid.best_params_直接对应。
grid.score(X_valid, y_valid)：是GridSearchCV完成拟合后，调用内置的最优模型（即用best_params_在全部X_train2, y_train2上重新训练得到的模型），在你手动拆分的独立验证集X_valid上计算得到的得分，计算过程和GridSearchCV内部的3折交叉验证完全无关。

两个值的计算依赖完全不同的验证数据集：

best_score_的验证集是X_train2内部3折拆分出来的子集，score()的验证集是你单独从原始训练集中拆分出来的X_valid，二者的样本分布、样本量都存在差异，最终得分自然会不一样。

若要评估给定param_grid搜索范围内，参数组合在交叉验证下的最优表现，以grid.best_score_为准，这个值是网格搜索筛选最优参数的核心依据。
若要评估最优参数模型在未见过的独立数据集上的泛化能力，以grid.score(X_valid, y_valid)为准，这个值更贴近模型上线后的真实表现。
最终的模型效果请以代码中在完全独立的X_test上计算得到的MSE为准，这是最客观的泛化能力评估结果。